一种基于更新残差的差分隐私联邦遗忘学习方法及系统

本发明公开了一种基于更新残差的差分隐私联邦遗忘学习方法及系统，方法包括：服务器将当前的全局模型发送到客户端；客户端对当前的全局模型进行联邦学习周期训练；通过对全局模型进行差分隐私保护生成本地模型更新；服务器通过周期加权聚合策略对所有客户端上传的更新进行整合；目标客户端通过遗忘请求启动计算客户端在历史训练中的加权更新残差；通过加权更新残差从全局模型中移除目标客户端的所有历史加权更新残差得到遗忘模型。本发明通过差分隐私实现遗忘模型与重训练模型在统计意义上不可区分，采取周期加权聚合提升模型对本地数据的学习能力，采用更新残差来量化要遗忘客户端的增量效应，移除所有的历史加权更新残差来实现联邦遗忘。